ITPub博客

近日，《IT风向标》系列直播栏目推出第二期特别策划——《DeepSeek一体机核心技术：看似“取巧”实则“破局”？》。本次直播邀请到两位行业专家，围绕DeepSeek一体机的技术特性、市场定位、应用场景及行业影响展开深度对话，揭开AI一体机背后的技术逻辑与商业价值。

货拉拉作为大型的互联网货运平台，面临对自身数据安全保护的严峻课题，是否合理保护与使用平台所拥有的个人信息与重要数据涉及国家和个人的重大利益，平台负有重要的保护责任，监管部门近年来不断加强对平台企业的数据安全管理与监督，出台法律、法规、条例、标准，开展各种保护行动，因此，在货拉拉建立完善的数据安全的合规管理体系是保障企业安全的一个重要环节。

面对这些挑战，华为始终坚持打造开放的计算产业生态，深耕根技术，打造好用易用的开发工具和平台，加速开发者创新。2025年5月23-24日，华为将举办鲲鹏昇腾开发者大会2025（KADC2025），以“心怀挚爱，共绽光芒”为主题，通过“技术深度讲解+实战演练”的全新形式，为开发者提供从认知到实践的全周期支持。

在公司降本增效的目标下，爱奇艺大数据计算团队推进了离在线混部、弹性调度、资源治理等不同层面的优化措施，大幅降低计算成本。为了进一步降本，我们从 2024 年开始引入公有云 AMD、ARM 等高性价比计算机型，加快机型迭代、提升单机计算密度，进而实现单机性价比大幅提升。

Lalamove于2013年在香港成立，是货拉拉的海外业务品牌，作为全天候即时送货平台，致力透过快速、灵活、经济的送货服务为社区注入动力。为了进一步优化实时数仓架构，Lalamove已经不断在尝试基于各种技术栈来加强湖流融合，目前社区生态中的Fluss所提供的能力恰好能解决现有架构所面临的痛点，下一步的实时数仓构建也会在Fluss+Paimon基础上不断地演进。

随着交易和社区搜索业务稳步快跑，基建侧引擎越来越复杂，之前搜索底层索引查询结构已经存在较为严重的性能瓶颈。成本和运维难度越来越高。在开发效率上和引擎的稳定性上，也暴露出了很多需要解决的运维稳定性和开发效率短板。而在引擎的业务层部分也需要逐步升级，来解决当前引擎中召回层和业务层中各个模块强耦合，难维护，迭代效率低下等问题。

小语言模型（SLM）是大语言模型（LLM）的紧凑版。它们包含的参数通常少于大语言模型：大约30亿个参数或更少。这使得它们相对轻量级，推理时间更快。SLM方面一个值得研究的主题是将它们集成到检索增强生成（RAG）系统中，以增强其性能。本文探讨了这一最新趋势，概述了将SLM集成到RAG系统中的好处和局限性。

近期，随着DeepSeek在人工智能领域引发热潮，市场上众多厂商纷纷推出DeepSeek一体机新品。这一现象引发业界广泛关注：DeepSeek一体机究竟是刚需，还是厂商的跟风之举？为深入探讨这一话题，ITPUB特别策划了系列线上直播访谈，邀请到行业专家共同剖析DeepSeek一体机的发展现状、市场影响及未来趋势。

IT基础设施市场正经历着一场属于它的“气候变化”，这源于生成式人工智能热潮导致的市场过热。就像真正的气候变化使现有模型难以准确预测天气一样，频繁调整模型以及相对当前有限的数据，也让预测从现在到本十年末的服务器、存储和网络支出变得越来越困难。

本文通过提取并梳理以上两篇文章中的技术术语和价值信息，并进行扩展，再以问答形式来呈现，希望通过这种方式，在加深使用者和开发者对 AI Agent 的了解方面，起到一些帮助。

在前端可观测分析场景中，需要实时观测并处理多地、多环境的运行情况，以保障 Web 应用和移动端的可用性与性能。传统方案往往依赖代理 Agent → 消息队列 → 流计算引擎 → OLAP 存储的多级架构，虽然能满足基本数据接入与查询需求，但面临以下困难与挑战：

日前，Qwen3正式发布并全部开源8款混合推理模型。这一里程碑事件不仅标志着中国AI技术的突破，更将深刻影响AI基础设施市场——服务器厂商、云服务商、创业公司是否会像适配DeepSeek一样，迅速推出“Qwen3一体机”？大模型一体机市场是否会迎来新一轮爆发？

近日，备受瞩目的戴尔科技集团春季新品发布会以“为极致，更极智”为主题在北京盛大召开。此次发布会聚焦“现代化数据中心与多云架构”及“现代化工作场所”等战略优势，全方位呈现了戴尔科技从底层技术到终端应用的创新成果，为行业发展指明了新方向。

大型系统的风险来源多样，业务更替、系统迭代、人员流动等都有可能引入不稳定因素。随着微服务化带来的系统规模扩大和迭代效率提升，这一现象更为突出，百度内部 2021 年至 2022 年间有感 case 统计来看，存在「基础能力退化」和「能力缺失」现象的 case 占比增长了 153%。

本文讲述了增长兑换商城整体的业务框架及部分功能的实现细节。兑换商城作为一个中台，承接了不同上下游提出的需求，很多功能的实现都需要考虑到通用性及拓展性，而一些复杂需求或功能的实现，是否会加重配置的难度，影响后续业务方的接入成本，都是需要在项目迭代中不断思考的问题。不仅如此，在迭代过程中的稳定性保障也会是商城自始至终的基本要求。

目前转转业财系统接收了上游各个业务系统（例如：订单、oms、支付、售后等系统）的数据，并将其转换为财务数据，最终输出财务相关报表和指标数据，帮助公司有效地进行财务管理和决策。

DGraph是得物自主研发的新一代推荐系统核心引擎，基于C++语言构建，自2021年启动以来，经过持续迭代已全面支撑得物社区内容分发、电商交易等核心业务的推荐场景。DGraph在推荐链路中主要承担数据海选和粗排序功能，为上层精排提供高质量候选集。

如今，随着大模型技术的迅猛发展，企业AI部署方式逐渐分化为两大阵营：本地化一体机和云端AI服务。这两种观点的对立，本质上反映了不同行业对AI落地的差异化需求。笔者尝试从技术架构、成本效益、数据安全、行业适配、未来趋势等多个维度，深入对比分析DeepSeek一体机与云端AI的优劣势，探讨企业AI基础设施的更优选择策略。

实时数据仓库是近年来数据技术领域内的一大发展潮流。构建一个能够实现高吞吐量写入与更新、端到端全链路实时处理以及低延迟、高并发的实时数据仓库，一直是众多企业面临的重大挑战。随着B站游戏业务的快速发展，对数据的实时应用需求也日益增加。单点式实时指标计算模式已难以支撑日益复杂的实时业务需求，因此，构建一个稳定、高效的实时数据仓库变得迫在眉睫。

DPP依赖于算法平台的引擎服务（FeatureServer，召回引擎, 精排打分），提供“开箱即用”的召回，粗排，精排服务。采用“热加载技术”解决算法平台的工程和算法同学策略迭代效率问题，支持策略随时发布，让他们可以专注于业务逻辑，即可拥有稳定的推荐在线服务。